农村信用社农户贷款利率系统化定价模式研究

【摘 要】针对现阶段四川省农村信用社从农户提出授信申请到信用社对借款人及相应贷款项目予以审查、筛选、贷款利率定价和管理的全过程中存在的主要问题，结合四川省农村经济和信贷工作实情提出了“成本导向”定价模式为基础，同时考虑“风险溢价”因素的系统化定价模式。其运作流程包括三个环节：首先采用神经网络BP模型对农户贷款授信对象予以甄别，确认是否授信；其次利用Logit模型计算农户的违约概率，以违约概率作为“风险溢价”及其基本利率加（减）点的依据；继而对农户贷款利率予以合理定价。

【关键词】农村信用社 农户贷款 信用评级 贷款利率 定价模式

一、选题背景

深化农村金融服务一直被视为遵循科学发展观破解“三农”难题、实现农业现代化、推动城乡统筹与一体化进程中极为重要的环节。就目前较为严峻的经济形式看，有鉴于边际消费倾向农村远大于城镇的事实，深化农村金融服务对于“扩内需、促增长”十项措施的贯彻同样具有明显的战略支撑作用。

作为农村地区最基层的金融组织体系，农村信用社直接面对农户及工商企业等其他农村金融市场主体，并成为农村金融市场的主力军[1]。为适应当前经济形势和利率市场化要求，探索具有区域性特色的农村信用社利率定价机制模式，强化利率风险管理，实行差别化贷款利率服务，科学合理进行贷款利率定价，缓解农民贷款难，消除农村金融抑制，更好地发挥支持“三农”主力军作用，对农村信用社的可持续发展和促进农村经济的发展具有深远的现实意义。

二、系统化定价模式

根据四川省农村信用社的实际情况，任何单一的定价方法均不能很好地适应当前四川省农村信用社的贷款定价要求，只有进行优势互补，才能找出农村信用社贷款定价的最佳方法。为此，结合四川省农村经济和信贷工作实情提出了“成本导向”定价模式为基础，同时考虑“风险溢价”因素，进而融合为一种较为适合全省的“基本利率加（减）点法”贷款利率系统化定价模式。

1.甄选授信对象

将BP神经网络技术应用于农户信用评价中，并选取了四川省的部分农户数据对神经网络进行培训，构建BP信用评价模型对农户贷款授信对象予以甄别，确认是否授信。

2.测算违约概率

本文用了430个贷款农户作建模样本，运用Logit回归分析法构建四川农村信用社农户贷款的违约模型。利用Logit模型测算农户的违约概率，以违约概率作为“风险溢价”及其基本利率加（减）点的依据。

3.合理定价

贷款利率=基准利率+风险溢价点数+经营策略调整点数 （2-1）

从农信社的管理水平和竞争环境看，基准利率加点模式的定价方法不仅框架比较清晰，而且技术难度适中，是比较适宜的选择方案；关键是选择好基准利率。基准利率通常为浮动利率，根据筹集信贷资金的成本以及管理费用和贷款期限确定利率水平，以中国人民银行公布的金融机构贷款利率作为基础，根据地区经济状况和贷款品种等在一定浮动幅度内确定基准利率，便于农村信用社接受，易于操作和推广。

作为农村金融的主力军，四川农信社为破解“三农”难题、实现农业现代化、推动城乡统筹与一体化进程都做出了巨大的贡献。随着利率市场化的进一步推进、农村金融市场竞争机制的引入，农信社也应考虑客户需求、同业竞争、市场利率水平的变化、国家开发和扶持农村金融的政策导向等因素的影响，调整经营政策浮动点数。

三、农户信用评估

研究贷款定价必须考虑违约风险，因为其反映了信贷活动中客观存在的不确定性，而贷款定价的核心环节（贷款利率的决定）不能忽视不确定性。忽视违约风险就等于否认不确定性对贷款利润及贷款定价的重要影响，这将导致贷款定价研究过于简化，并且与现实脱节。违约风险对银行贷款定价决策具有重要影响，其一方面降低了信贷市场的资源配置效率，另一方面还侵蚀了贷款合同的价值。控制农户贷款违约风险的基础就是进行农户信用评估。

目前，各地农村信用社在农村基本依附“信用村”、“信用农户”，但是各地农村情况各不相同，千差万别。农户信用难以量化，主观判断多，定量分析少，影响了信用评估结果的可比性和客观性。本文尝试将影响农户信用状况的因素进行量化处理，在农村建立完善的信用体系，运用科学的方法评估农户信用行为，时时监测调控引导农户信用行为，推进农村消费市场的启动。探索建立和完善农户信用采集与评价体系的有效途径，规范“农户征信系统”，建立农户信用信息基础数据库，采集农户信用信息，实现农户信息的电子化。

1.评估指标体系

农户信用评级标准应当以农村经济金融的现状为依据，选择合理的信用评价标准，建立适应农村经济金融现状的信用评估模型。信用社如何根据本地区实际情况，根据农村的实际情况设计信用指标体系，为不同农户进行信用评级，并在信用评级的基础上，对文明信用户予以信贷支持，是农村信用社进行农户贷款决策及定价的制约因素[2]。

1.1指标设置

建立信用评级体系需要考虑的主要因素是违约概率，用于测算违约概率的评价指标设置的科学性与合理性是系统有效的关键。结合四川省农村经济和农业生产现状，综合描述农户的客观经济状况和信用保证能力，在保证一定准确率的情况下，确定四川省农户信用评级指标体系[3-5]：农户的道德水平、农户的文化层次、农户的财产水平、农户家庭人均年收入、项目潜质。在农户文化层次分析中，把农户特殊技术和技能与农户受教育程度两种划分标准结合起来进行分析，并且以专业技术水平分析为主。项目潜质分析贷款项目的发展潜力和发展趋势，从而了解农户的预期收入和贷款的安全性。经过变量间的相关性分析，去掉了显著性水平低的农户年龄结构和健康状况。所有指标最终都划定为等级数值并进行了标准化处理，将农户居住地经济发展程度融入等级划分之中。

1.2指标标准化处理

由于每项具体指标的意义和数据表现形式均不同，不便用统一标准语言进行描述，因而需要对指标数值进行标准化处理，使之落入统一区间后，再作为神经网络的输入，这样有助于加快网络的学习速度。

1.2.1离散数据处理

对于离散的属性数据，由于各属性均按其优劣量化为不同的数值，故可采取最小――最大规范化方法对各属性值进行标准化处理，使之落入统一的区间 内。具体做法如下：

假定某一属性的最大值和最小值分别为max、min，该属性量化后的定值为x*。

（3-1）

将属性值映射到 区间中。

1.2.2连续性数据处理

对于连续的定量数据，假定样本数据中包含m条记录，每条记录包含n个属性，则m条记录的n项指标就构成了评价矩阵

首先对具有负值的指标值进行处理，处理方法为：

（ ） （3-2）

这样评价矩阵中的数据全都为正数，然后对新生成的效益型指标和成本型指标分别进行标准化处理。

对于效益型指标，则 （ ） （3-3）

对于成本型指标，则 （ ） （3-4）

经过以上计算，得到矩阵 为线性比例变换后的标准矩阵，其中 在区间 中，原来的效益型指标和成本型指标都转换成值域为 的正向指标。

2.评价模型

由于四川省农村人口多，征信难度大，传统的信用评估模型和方法存在比较大的局限性，在实际操作中有相当大的难度。而BP神经网络可以模拟人脑的某些智能行为，如知觉、灵感和形象思维等，具有自学习、自组织、自适应和非线性动态处理等特性。因此，在当前农户信用信息采集缺乏规范标准和信息来源渠道单一的情况下，基于人工神经网络的农户信用评估模型具有其他方法无法比拟的优点。将神经网络运用于农户信用的评估，只需少量样本，对所建立的神经网络进行训练，运用培训好的神经网络可以轻松完成任务，从而大大地减小工作量，避免评估人员主观因素的困扰，这对于弱化权重确定中的人为因素是十分有益的。

2.1模型结构

2.1.1算法结构

由于单隐层神经网络可用来逼近任意非线性连续函数，所以信用评价网络的结构确定为三层，由户主品德、文化、家庭财产、人均年收入、项目潜质作为输入层i、隐含层j、农户是否违约作为输出层k及各层之间的节点连接权所组成。其拓扑结构如图1所示。

图1 农户信用评价网络算法拓扑图

以户主品德、文化、家庭财产、人均年收入、项目潜质作为输入向量，用X=（x1，x2，x3，x4，x5）T表示；隐含层用向量Y=（y1，y2，y3，y4，y5）T表示；输出向量用 表示，代表模型的实际输出：1―违约，0―不违约。输入层和隐含层之间的权值用向量V=（v11，v12，•••，v15）T表示；隐含层和输出层之间的权值用向量W=（w11，w12，•••，w15）T表示。则

J=（1，2，•••，5），（3-5）

其中，

2.1.2算法步骤

①给定训练样本集 ；

②用随机数初始化所有的权系数及阙值；

给网络的各连接权 、 及阙值 、 赋予 间的随机值；

③选定迭次数，及最大允许误差取值；

④输入学习模式对；

随机选取一组模式对（X*=（x*k1，x*k2，•••，x*k5）T，K）提供给网络；

⑤计算各层的输入、输出；

中间层：

，其中

输出层：

其中

⑥计算累计误差

⑦修正权系数及阙值

从输出层开始，先修正 以及θ；

再修正 及 ；

⑧随机选取下一个模式对提供给网络，返回到第④步，直到全部164个模式训练完；

⑨更新学习次数，返回到第③步，直到规定的学习次数N完成。

⑩根据误差和迭代次数决定是否结束

3.算法流程图

算法流程如图2所示。

图2 BP算法流程图

2.2模型运算

2.2.1确定输入输出层

输入层是神经网络与外部输入信息打交道的地方。一般输入层只是输入矢量的存储库，它并不对输入信息作任何加工。在这里，输入层由上述指标组成，各指标作为输入量，为了提高网络学习速率，培训之前还要对各输入量进行归一化。输出层是产生神经网络的输出矢量的地方。在这里输出层是农户违约与否。

输入层：X=（x1，x2，x3，x4，x5）T

=（户主品德、项目潜质、家庭财产、人均年收入、文化层次）

输出层：Y=（农户信用好坏）

2.2.2选取初始权值

是否恰当合理的选取初始权值影响到网络的训练是否会落入局部极小点以及是否收敛。若初始权值在进行累加时，能够使得每个神经元的状态值接近于零，则可保证网络在起始时不会落入误差曲面的平坦区域。为了便于计算并确保各项输出值的相对稳定，我们依据实际计算结果选取一个相对合理和固定的ω权值。初始权值一般取值较小，在 区间内置一个较小的非零随机数，这样可保证每个神经元一开始便在激发函数斜率最大的地方进行工作。本文采用Sigmoid为激发函数，形式为：

2.2.3选取样本培训模型

本文以四川省农村信用社的贷款农户信息为依据，选取164个贷款农户作为评价的实例，形成了农户信用评估BP网络的培训集训练网络，然后把64个验证数据输入到网络中，得到输出值，与实际值做对比验证模型的准确性。

2.2.4模型评价与运用

实验证明，利用神经网络的非线性处理能力和模式识别能力，通过对已有农户信用数据的学习，调整模型参数，生成具有预测能力的农户信用评估神经网络模型。由验证数据输入后得到的结果，94.73%的准确率，可以看出，该模型具有一定的准确性，可以为农村信用社的信贷决策提供相对准确的决策依据。

在各县级农村信用联社的统一领导和规划下，在信用社内成立专门行使信用管理职能的机构负责管理并建立农户信用数据库。农户申请贷款时，信用社的工作人员调用信用数据库的资料，利用上述已培训的模型只需要输入待评估的农户的相关指标参数，就可以输出该农户的信用等级，然后再将农户信用信息给联社信贷部门，以便于其决策。

四、农户违约风险

目前四川省农信社农信社主要通过信贷员评估客户的信用状况和还款能力，然后对贷款的发放与否做出决策，很少对贷款的定价问题进行精确计算和慎重审批，更未形成科学系统的贷款定价决策机制。完善的贷款定价系统不仅需要对贷款业务管理的资金成本和非资金成本进行量化分摊，而且还必须能够对贷款项目的损失概率以及贷款客户的信用状况进行量化处理。

1.违约概率确定

信用社贷款利率定价时虽然采用了基准利率加点浮动法的贷款定价模式。但在浮动点位的确定上仍然带有较大的随意性，基础设施条件成为制约市场化贷款定价制度建设的重要因素，主要表现在：一是缺乏完善的信用风险评价体系，特别是对企业和个人的信用程度、还款能力等情况缺乏科学、系统数据分析、判断和鉴定；二是缺乏信息处理技术平台，无法对客户资料和信息进行可行性预测和系统资料数据分析；三是缺乏系统的历史数据支撑，无法对客户信息进行连续、系统的分析和预测。所以本文提出，必须在信用评估的基础上进行贷款定价，首先通过基于BP神经网络的农户信用评估体系确定该农户是否合格，然后运用Logit回归分析模型计算合格农户（准贷款农户）的违约概率。

1.1模型分析

在一般的多元回归中，若以P（概率）为因变量，常会出现P>1或P

（4-1）

具体形式为：

（4-2）

则Logit概率函数可以表示为：

（4-3）

其中e代表自然对数的底。对于给定Xi，P是个体做出某一特别选择的概率。采用极大似然估计法，得到估计参数，由于极大似然估计法不要求样本呈正态分布，这与现实中农户指标的真实情况相吻合。

该模型假设解释变量存在线性关系，采用以群组数据为基础的加权最小二乘回归法，得到估计参数和Logit。再利用Logit模型的判别方程（4-3），得

（4-4）

求得农户违约概率Pi。通过对影响农户自身是否还贷的各项定性因素进行一定的量化处理，经过计算得出该农户的违约概率，根据违约概率来确定农户的贷款利率的风险溢价点数。

1.2样本收集

建立Logit回归模型求概率，必须大样本，本文用了430个贷款农户作建模样本。概率要求提高样本重复度，所以在对定性指标分级的同时，将定量指标也分级取值。如表1所示

表1 农户指标赋值

指标 指标等级 等级付值 指标 指标等级 等级付值 指标 指标等级 等级付值

农户的道德水平x1 优 3 农户的财产水平x3 充足 3 项目潜质x2 经营 3

良 2 比较充足 2 种养植 2

一般 1 存在问题 1 消费 1

农户的文化层次x5 高中以上 3 家庭人均年收入x4 高 3

初中 2 平均 2

小学以下 1 较低 1

1.3技术处理

为了避免出现零概率，对P和1-P都+0.5。

处理异方差问题：

（4-5）

通过SPSS软件进行t检验，分析变量间的相关性，保留显著性水平高的变量，去掉显著性水平低的变量。

1.4回归结果

通过SPSS软件采用的假定参数为基础做似然比概率检验向前逐步变量选择方法，得到回归方程为

向前逐步选出农户的财产水平x3，农户的道德水平x1，家庭人均年收入x4与农户贷款违约概率相关。

通过SPSS软件采用的假定参数为基础做似然比概率检验向后逐步变量选择方法，得到回归方程为

向后逐步回归剔除了项目潜质x2，事实上，项目潜质可以在一定程度上反应未来收益，但与农户信用关系不大。农户的文化水平x5与挣钱能力有一定关系，但与农户信用关系也不是很显著。

1.5精度检验

利用统计学中的“弃真”和“存伪”两类误判比率衡量模型的预测精度。Logit模型理论上的阈值，完全可以根据研究目标选择。本文设0.5为阈值，即通过Logit模型计算出的违约农户以0.5为标准取整。将原始观测量数据代入回归方程中则得到预测的分类结果与原始分类的频数分布表。

表2 向前逐步回归法

预测

0 1 正确率

实际 0 322 18 94. 7%

1 24 66 73.3%

总的百分比 90.2%

表3 向后逐步回归法

预测

0 1 正确率

实际 0 323 17 95.0%

1 22 68 75.56%

总的百分比 90.9%

回代结果表明信用评价Logit模型的准确率为90%以上。

代入农户相关数据，便可根据以上模型预测农户的违约概率，然后根据违约概率来确定农户的贷款利率的风险溢价点数。

2.违约损失率确定

可以通过贷款担保方式推算违约损失率，即依据贷款农户的自身经营状况、是否联保、贷款有无质押、抵押物状况等因素，同时结合贷款期限、支农政策等进行综合衡量，确定贷款的风险度。

期限风险溢价，可以直接引用国债利率期限结构复利模型对市场期限风险进行模拟和估算来确定期限风险溢价。客户选择权风险，可以通过签订类似“如提前还款，借款人应支付一定数额的违约金”这样的条款，来锁定此类风险。

综合以上分析，结合四川省农村信用社及农户的具体情况，我们主要考虑的浮动因素有：农户信用等级、资金用途、担保方式、贷款品种、贷款期限、支农政策等。

五、系统化定价模型

四川农村信用社是省域内深化农村金融服务的主体，其核心业务之一为农户贷款。既是信用社自身生存和发展所需的最主要的收入来源之一，同时也是倍受国家关注的政策问题。因此，必须选择恰当的定价模型，合理地确定农户贷款的价格。既要适应利率市场化风险控制的要求，又要缓解农民贷款难、消除农村金融抑制，还要具有可操作性，进行科学、系统、便捷的定价。

1.模型框架

农户贷款选择“成本导向”的“基本利率加（减）点法”系统化定价模式进行统一定价，不仅框架比较清晰，而且技术难度适中，便于农村信用社接受，易于操作和推广。

系统化定价模型框架可以用图3表示。

图3 系统化定价模型框架

2.模型结构

“成本导向”的“基本利率加（减）点法”系统化定价模型结构如下所示。

（5-1）

其中， 表示贷款利率， 表示基准利率， 表示风险溢价点数， 表示经营策略调整点数，系数 作为利率浮动调整的单位，因为我国央行利率的调整幅度一般都是0.27%或其整数倍。

2.1基准利率

基准利率本质上就是农信社经营成本和最低目标利润的和，包括四部分：筹资成本率、与贷款有关的各项费税、无风险收益率、最低目标利润，其计算公式为

（5-2）

其中， 表示基准利率， 表示资金成本率， 表示经营成本率， 表示无风险收益率， 表示目标利润率。

2.1.1资金成本率

① 资金成本率=（利息支出+金融机构往来支出 社内调剂资金利息支出）/贷款平均余额+存款固定成本率

存款固定成本率=存款应分摊的各项费用类支出/存款平均余额。

其中，各项费用包括应分摊的人员费用、业务管理费和营业场所折旧支出等，分摊比例可按存款业务占全部业务的比重估算。

② 资金成本率是指与信用社发放某笔贷款相对应的资金来源的平均成本率，通常可以用内部资金转移价格 表示。即

（5-3）

2.1.2经营成本率

（5-4）

其中， 表示经营成本率， 代表贷款费用率， 代表税负成本率。

①贷款费用率=应分摊的各项费用类支出/贷款平均余额。

其中，各项费用包括应分摊的人工费用、与贷款相关的业务管理费、营销费、手续费等。

②税负成本率=营业税金及附加/贷款平均余额

2.1.3无风险收益率

无风险收益率体现吸收的资金不发放贷款用于上存可带来的收益率，即贷款的机会成本。

①无风险收益率=内部资金上存利率×（1 法定存款准备金率 备付金率）+法定存款准备金率×法定存款准备金利率+备付金利率×备付金率

②从成本角度看，无风险收益率即是固定管理费用的补偿，所以

（5-5）

其中， 表示无风险收益率， 表示管理费用总额， 表示盈利资产平均余额。

2.1.4目标利润率

（5-6）

其中， 表示目标利润率， 为预计全年盈利额， 为贷款平均余额

目标利润率可根据宏观产业政策、资金供求状况和客户重要性等不同时期情况调整确定。

贷款基准利率流程可以用图4表示。

图4 贷款基准利率流程

2.2调整点数

贷款定价调整点数是指在基准利率基础上，结合农户的信用等级、贷款担保方式、贷款期限以及经营策略等因素，对贷款利率水平进行调整的点数，包括风险溢价点数和经营策略调整点数。

2.2.1风险溢价点数

（5-7）

风险溢价点数（ ）由违约概率（PD）和违约损失率（LGD）共同决定。

违约概率PD可以通过农户信用信息和Logit回归模型计算，违约损失率LGD可以通过贷款担保方式推算，系数0.27%随人行的利率政策变化而作调整。

2.1.2经营策略调整点数

经营策略调整点数（ ）根据市场竞争、国家开发和扶持农村金融的政策导向等调整确定。

2.1.3系数

系数0.27%随人行的利率政策变化而作调整。我国央行利率的调整幅度一般都是0.27%或其整数倍，所以采用0.27%或其整数倍作为利率浮动调整的单位更加科学，这样可以使信用社的利率定价能及时反映国家的货币政策。

3.模型效力

3.1一方面按照收益与风险对等原则，根据贷款风险的大小通过加点进行调整；另一方面充分考虑国家惠农方针政策，也可以通过调整违约损失率对农业贷款利率在上年基础进行适当下调，真正做到为“三农”服务。

3.2既体现了成本加成模式中从信用社自身的角度出发的优点，又体现了成本―收益模式和基准利率加点模式中对客户贷款风险、市场风险溢价等因素调整的特点，对农村信用社转换经营机制、增强利率定价能力具有积极的促进作用。

3.3更符合利率市场化趋势。该方法改进了传统的“在央行基准利率基础上进行比例上浮”的做法，以“点数”取代“比例”，符合国际惯例，而且能够更好地对央行的利率政策做出反应，以体现国家宏观调控的意愿。我国央行利率的调整幅度一般都是0.27%或其整数倍，所以采用0.27%或其整数倍作为利率浮动调整的单位更加科学，这样可以使信用社的“基本利率”能及时反映国家的货币政策。

3.4更能体现“风险溢价”。传统的“成本导向”定价模式对“风险溢价”的定义特别模糊，只考虑了一部分风险因素。戴季宁等人结合“5P原则”将更多的风险因素纳入了利率定价模型之中，并结合经验数据确定权数[5]。而我们，利用数学模型测算违约概率，使“风险溢价”更加科学，减少主观判断和随意性，会使得定价过程更加客观。同时也为农信社在农户信用评估方面提供了更加科学的方法体系。

3.5用目标利润率调整基准利率，有利于农信社根据经营环境和经营条件的改变，以及农信社自身经营策略的变化，随时根据宏观产业政策、资金供求状况和客户重要性等不同时期情况调整贷款利率。从而更好地反映环境的变化，更好地体现“顾客导向”或“市场导向”等新的发展策略。

六、结束语

针对四川省农村信用社贷款定价中存在的主要问题，结合四川省农村信用社实际情况，研究建立适合四川省农村信用社经营管理水平和农村金融市场运行特征，建立基于农村信用评估体系建设和违约概率测算的农村信用社贷款系统化定价模式与方法，以促进四川省农村信用社贷款定价更加科学合理。一方面可以确保农村信用社稳定的盈利空间；另一方面，还可以通过价格信号度量不同客户的信用等级，有效控制信贷风险。它对于提高四川农村信用社适应农村市场竞争的能力、资本聚集和资产运作能力以及贷款资产风险管理能力，提高农村金融服务能力，促进农村经济的发展，具有重要的现实意义。对四川省农村信用社贷款定价模式的探索，也具有一定的方法指导和模型参考作用。

参考文献：

[1]商荣根，王文良.农村合作金融概论第1版[M].北京.中国金融出版社，1999年.

[2]经济发展战略研究组.中国金融体制改革的回顾和展望.北大中国经济研究中心工作稿，编号：C2000005，2004.4.

[3]张振良编著.应用模糊数学[M].重庆.重庆大学出版社，1991.

[4]陈全芬，王.新形势下小额农贷的风险控制[J].天府新论.2009（9）.

[5]史泽友，黎丽，张维梁，刘代光.关于利率市场化进程中人民币贷款定价的探讨.金融论坛，2002（11）：9~13.

作者简介：陈全芬，1973年出生，女，四川大竹人，讲师，管理学硕士，管理科学方向